Fähigkeiten diffdock
🧬

diffdock

Sicher ⚙️ Externe Befehle🌐 Netzwerkzugriff📁 Dateisystemzugriff⚡ Enthält Skripte

AIドッキングによる分子結合ポーズ予測

Auch verfügbar von: davila7

DiffDockは高度な拡散モデルを使用して、小さな分子がタンパク質にどのように3次元空間で結合するかを予測します。研究者は、正確な結合ポーズと構造ベース創薬のための信頼度スコアを生成することで、創薬を加速できます。

Unterstützt: Claude Codex Code(CC)
🥈 79 Silber
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "diffdock". アスpirinをCOX-2タンパク質にドッキングする

Erwartetes Ergebnis:

  • Generated 10 binding poses for aspirin-COX-2 complex
  • Top prediction confidence: 0.85 (High confidence)
  • Binding site: Active site near residues Arg120 and Tyr355
  • Review recommended: Visualize top 3 poses for structural plausibility

Verwendung von "diffdock". 100個のフラグメントのライブラリをキナーゼ標的に対してスクリーニングする

Erwartetes Ergebnis:

  • Processed 100 ligand-protein complexes with 20 samples each
  • Mean processing time: 45 seconds per complex on GPU
  • High confidence hits: 12 compounds with score above 0
  • Top 5 hits exported to screening_hits.csv

Sicherheitsaudit

Sicher
v4 • 1/17/2026

The static analysis flagged 295 potential issues, but ALL are FALSE POSITIVES. The scanner incorrectly identified scientific protein sequences (GFP containing 'SAM') as Windows SAM database references, scientific paper citations as weak cryptographic algorithms, standard Python loops as C2 beacon patterns, and markdown code block syntax as shell execution. This is a legitimate molecular docking research tool with no malicious intent or security vulnerabilities.

10
Gescannte Dateien
2,493
Analysierte Zeilen
4
befunde
4
Gesamtzahl Audits

Risikofaktoren

⚙️ Externe Befehle (4)
SKILL.md:42-470 references/confidence_and_limitations.md:146-166 references/parameters_reference.md:8-159 references/workflows_examples.md:9-377
🌐 Netzwerkzugriff (2)
SKILL.md:53-480 scripts/setup_check.py:179-194
📁 Dateisystemzugriff (2)
scripts/analyze_results.py:214 references/workflows_examples.md:290
⚡ Enthält Skripte (1)
scripts/setup_check.py:40
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

82
Architektur
100
Wartbarkeit
85
Inhalt
20
Community
100
Sicherheit
83
Spezifikationskonformität

Was du bauen kannst

バーチャルスクリーニングキャンペーン

標的タンパク質に対して数千の化合物をスクリーニングし、さらなる研究のための有望な創薬候補を特定する

結合部位予測

小さな分子がタンパク質構造のどこ結合するかを予測して、メカニズムを理解し実験をガイドする

リード最適化

化合物修飾の結合ポーズを生成して、標的タンパク質との相互作用を改善する

Probiere diese Prompts

基本的なシングルドッキング 
Dock the ligand COc1ccc(C(=O)Nc2ccccc2)cc1 to the protein in protein.pdb and save results to results/docking/
バッチスクリーニング 
Create a batch CSV for screening 50 compounds against protein.pdb, then run DiffDock with 20 samples per complex
結果の分析 
Analyze the confidence scores from DiffDock results in results/batch/ and show the top 10 predictions
カスタムパラメータ 
Create a custom config for docking flexible ligands with increased temperature and 30 inference steps

Bewährte Verfahren

  • 大規模なバッチジョブの前にsetup_check.pyで環境を常に検証する
  • 重要な予測には комплексごとに20-40サンプルを使用する
  • GNINAのようなスコアリング関数と組み合わせて親和性推定を行う
  • 構造的妥当性を確認するために上位3-5ポーズを視覚化する

Vermeiden

  • 信頼度スコアを直接的な結合親和性測定として使用すること
  • GPUアクセスなしで大規模なバーチャルスクリーニングを実行すること
  • 代替案を検討せずに単一の予測が正しいと仮定すること
  • タンパク質の準備と欠落している残基の問題を無視すること

Häufig gestellte Fragen

信頼度と親和性の違いは何ですか？
信頼度はモデルが予測ポーズについてどの程度確信を持っているかを測定します。親和性は結合強度を測定します。高い信頼度は強い結合を意味するわけではありません。
комплексごとにいくつのサンプルを生成する必要がありますか？
クイックスクリーニングには10、重要予測には20-40、非常に柔軟または大きなリガンドには40以上を使用してください。
PDBファイルの代わりにタンパク質シーケンスを使用できますか？
はい、DiffDockはESMFoldを使用して配列からタンパク質構造を予測します。ただし、PDBファイルの方が通常より良い結果を与えます。
どのようなリガンドフォーマットがサポートされていますか？
SMILES文字列、SDFファイル、MOL2ファイルをサポートしています。SMILESはハイスループットスクリーニングに最も便利です。
負の信頼度スコアはどのように解釈すればよいですか？
-1.5未満のスコアは信頼度が低いことを示します。より多くのサンプル、アンサンブルドッキング、または実験的検証を検討してください。
DiffDockは結合親和性を予測できますか？
いいえ、DiffDockは結合ポーズのみを予測します。親和性予測にはGNINA、MM/GBSA、または実験的方法を使用してください。

Entwicklerdetails

Lizenz

MIT license

Repository

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/diffdock

Ref

main

Dateistruktur

📁 assets/

📄 batch_template.csv

📄 custom_inference_config.yaml

📁 references/

📄 confidence_and_limitations.md

📄 parameters_reference.md

📄 workflows_examples.md

📁 scripts/

📄 analyze_results.py

📄 prepare_batch_csv.py

📄 setup_check.py

📄 SKILL.md